Copertina

Causal inference using invariant prediction: identification and confidence intervals

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Peters, Jonas, Bühlmann, Peter, Meinshausen, Nicolai
Natura:	Preprint
Pubblicazione:	2015
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Engression: Extrapolation through the Lens of Distributional Regression
di: Shen, Xinwei, et al.
Pubblicazione: (2023)

Distributional Principal Autoencoders
di: Shen, Xinwei, et al.
Pubblicazione: (2024)

The Causal Chambers: Real Physical Systems as a Testbed for AI Methodology
di: Gamella, Juan L., et al.
Pubblicazione: (2024)

Reverse Markov Learning: Multi-Step Generative Models for Complex Distributions
di: Shen, Xinwei, et al.
Pubblicazione: (2025)

Distributional Instrumental Variable Method
di: Holovchak, Anastasiia, et al.
Pubblicazione: (2025)

Clustered random forests with correlated data for optimal estimation and inference under potential covariate shift
di: Young, Elliot H., et al.
Pubblicazione: (2025)

Causality-oriented robustness: exploiting general noise interventions
di: Shen, Xinwei, et al.
Pubblicazione: (2023)

Causality-Inspired Robustness for Nonlinear Models via Representation Learning
di: Šola, Marin, et al.
Pubblicazione: (2025)

Assessing the overall and partial causal well-specification of nonlinear additive noise models
di: Schultheiss, Christoph, et al.
Pubblicazione: (2023)

Identifiability of Sparse Causal Effects using Instrumental Variables
di: Pfister, Niklas, et al.
Pubblicazione: (2022)

Identifying Causal Effects using Instrumental Time Series: Nuisance IV and Correcting for the Past
di: Thams, Nikolaj, et al.
Pubblicazione: (2022)

Characterization and Greedy Learning of Gaussian Structural Causal Models under Unknown Interventions
di: Gamella, Juan L., et al.
Pubblicazione: (2022)

Distributionally Robust Learning for Multi-source Unsupervised Domain Adaptation
di: Wang, Zhenyu, et al.
Pubblicazione: (2023)

Extrapolation-Aware Nonparametric Statistical Inference
di: Pfister, Niklas, et al.
Pubblicazione: (2024)

Causal Invariance Learning via Efficient Nonconvex Optimization
di: Wang, Zhenyu, et al.
Pubblicazione: (2024)

Transferring Causal Effects using Proxies
di: Iglesias-Alonso, Manuel, et al.
Pubblicazione: (2025)

Invariant Probabilistic Prediction
di: Henzi, Alexander, et al.
Pubblicazione: (2023)

Causality Pursuit from Heterogeneous Environments via Neural Adversarial Invariance Learning
di: Gu, Yihong, et al.
Pubblicazione: (2024)

Robustness Against Weak or Invalid Instruments: Exploring Nonlinear Treatment Models with Machine Learning
di: Guo, Zijian, et al.
Pubblicazione: (2022)

Treatment Effect Estimation with Observational Network Data using Machine Learning
di: Emmenegger, Corinne, et al.
Pubblicazione: (2022)

Domain Generalization and Adaptation in Intensive Care with Anchor Regression
di: Londschien, Malte, et al.
Pubblicazione: (2025)

Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference
di: Sebastián, Carlos, et al.
Pubblicazione: (2024)

Identifying Elasticities in Autocorrelated Time Series Using Causal Graphs
di: Tiedemann, Silvana, et al.
Pubblicazione: (2024)

Predictive variational inference: Learn the predictively optimal posterior distribution
di: Lai, Jinlin, et al.
Pubblicazione: (2024)

Tail allocation for conformal prediction intervals
di: Wang, Tianying
Pubblicazione: (2026)

Targeted tuning of random forests for quantile estimation and prediction intervals
di: Berkowitz, Matthew, et al.
Pubblicazione: (2025)

Formalising causal inference as prediction on a target population
di: Höltgen, Benedikt, et al.
Pubblicazione: (2024)

Prediction De-Correlated Inference: A safe approach for post-prediction inference
di: Gan, Feng, et al.
Pubblicazione: (2023)

Robust inference for the unification of confidence intervals in meta-analysis
di: Liang, Wei, et al.
Pubblicazione: (2024)

The Landscape of Causal Discovery Data: Grounding Causal Discovery in Real-World Applications
di: Brouillard, Philippe, et al.
Pubblicazione: (2024)

Optimistic search: Change point estimation for large-scale data via adaptive logarithmic queries
di: Kovács, Solt, et al.
Pubblicazione: (2020)

Bootstrap aggregation and confidence measures to improve time series causal discovery
di: Debeire, Kevin, et al.
Pubblicazione: (2023)

Cheap Subsampling bootstrap confidence intervals for fast and robust inference
di: Ohlendorff, Johan Sebastian, et al.
Pubblicazione: (2025)

An Online Bootstrap for Time Series
di: Palm, Nicolai, et al.
Pubblicazione: (2023)

Causal-learn: Causal Discovery in Python
di: Zheng, Yujia, et al.
Pubblicazione: (2023)

Prediction-Intervention Games and Invariant Sets
di: Kühne, Linus, et al.
Pubblicazione: (2026)

Invariant Subspace Decomposition
di: Lazzaretto, Margherita, et al.
Pubblicazione: (2024)

Interventional Processes for Causal Uncertainty Quantification
di: Dance, Hugh, et al.
Pubblicazione: (2024)

An Overview of Causal Inference using Kernel Embeddings
di: Sejdinovic, Dino
Pubblicazione: (2024)

Causal inference for the expected number of recurrent events in the presence of a terminal event
di: Baer, Benjamin R., et al.
Pubblicazione: (2023)